CN116082579A - 单组份自交联环氧改性丙烯酸酯乳液及其制备方法 - Google Patents

单组份自交联环氧改性丙烯酸酯乳液及其制备方法 Download PDF

Info

Publication number
CN116082579A
CN116082579A CN202310132512.2A CN202310132512A CN116082579A CN 116082579 A CN116082579 A CN 116082579A CN 202310132512 A CN202310132512 A CN 202310132512A CN 116082579 A CN116082579 A CN 116082579A
Authority
CN
China
Prior art keywords
vector
stirring speed
feature
feature vector
classification
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202310132512.2A
Other languages
English (en)
Inventor
王玉磊
常训豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinxu New Material Co ltd
Original Assignee
Xinxu New Material Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xinxu New Material Co ltd filed Critical Xinxu New Material Co ltd
Priority to CN202310132512.2A priority Critical patent/CN116082579A/zh
Publication of CN116082579A publication Critical patent/CN116082579A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
    • C08F—MACROMOLECULAR COMPOUNDS OBTAINED BY REACTIONS ONLY INVOLVING CARBON-TO-CARBON UNSATURATED BONDS
    • C08F283/00—Macromolecular compounds obtained by polymerising monomers on to polymers provided for in subclass C08G
    • C08F283/10—Macromolecular compounds obtained by polymerising monomers on to polymers provided for in subclass C08G on to polymers containing more than one epoxy radical per molecule
    • C—CHEMISTRY; METALLURGY
    • C09—DYES; PAINTS; POLISHES; NATURAL RESINS; ADHESIVES; COMPOSITIONS NOT OTHERWISE PROVIDED FOR; APPLICATIONS OF MATERIALS NOT OTHERWISE PROVIDED FOR
    • C09D—COATING COMPOSITIONS, e.g. PAINTS, VARNISHES OR LACQUERS; FILLING PASTES; CHEMICAL PAINT OR INK REMOVERS; INKS; CORRECTING FLUIDS; WOODSTAINS; PASTES OR SOLIDS FOR COLOURING OR PRINTING; USE OF MATERIALS THEREFOR
    • C09D151/00—Coating compositions based on graft polymers in which the grafted component is obtained by reactions only involving carbon-to-carbon unsaturated bonds; Coating compositions based on derivatives of such polymers
    • C09D151/08—Coating compositions based on graft polymers in which the grafted component is obtained by reactions only involving carbon-to-carbon unsaturated bonds; Coating compositions based on derivatives of such polymers grafted on to macromolecular compounds obtained otherwise than by reactions only involving carbon-to-carbon unsaturated bonds

Landscapes

  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Organic Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Polymers & Plastics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Materials Engineering (AREA)
  • Wood Science & Technology (AREA)
  • Processes Of Treating Macromolecular Substances (AREA)

Abstract

本申请公开了一种单组份自交联环氧改性丙烯酸酯乳液及其制备方法。所述制备方法包括：配置釜底料，所述配置釜底料的过程，包括：在反应釜底部加入去离子水、缓冲剂和反应性乳化剂，并在预定温度和搅拌控制策略下对所述去离子水、所述缓冲剂和所述反应性乳化剂组成的混合物进行加热搅拌以得到釜底料；配置预乳化液；配置种子乳液，其中，所述配置种子乳液的过程，包括：将所述釜底料的温度升至80℃，并加入过硫酸铵和所述预乳化液以得到种子乳液；以及，将剩余的所述预乳化液滴入所述种子乳液，并通过中和剂来调节PH值在7～8.5之间后，加入己二酸二酰肼以得到单组份自交联环氧改性丙烯酸酯乳液。这样，可以得到一种优化的丙烯酸酯乳液。

Description

单组份自交联环氧改性丙烯酸酯乳液及其制备方法
技术领域
本申请涉及丙烯酸酯乳液聚合领域，且更为具体地，涉及一种单组份自交联环氧改性丙烯酸酯乳液及其制备方法。
背景技术
单组份自交联丙烯酸酯乳液在建筑外墙涂料、公园人行道等室外场所等领域有着广泛使用，能够起到增强外墙的美观、延长使用时间、防水及耐沾污功能等。但目前市场上的丙烯酸酯乳液存在一些缺陷，在耐紫外线、耐水性能、耐沾污性、附着力方面还有较大改进区间。
目前，由于环氧树脂具有优异耐腐蚀性、高粘接强度、低收缩率等优点，但存在质地较脆、耐冲击性较差、耐候性较差等缺点，从而使的环氧树脂的应用范围受限。而丙烯酸树脂是指由(甲基)丙烯酸脂单体、苯乙烯为主体同其他丙烯酸酯共聚得到的热塑性或热固性树脂，由于不同的单体均聚物的玻璃化温度差异较大，因此可以根据不同的需求调节乳液配方中的各个单体的配比，从而获得不同的硬度、柔韧性、光泽度等性能的树脂乳液。因此，在丙烯酸酯聚合物份子链上接枝环氧树脂份子，达到提高其丙烯酸树脂的耐水性、粘接性能、胶膜强度等目的。
丙烯酸脂乳液成膜后具有良好的耐候性、保光保色性以及优异的力学性能，并且是以水作为载体，相较于传统溶剂型丙烯酸酯避免了溶剂对环境的污染和人体的危害、降低了生产成本、安全性大大提高，现被广泛应用于建筑、造纸、体育、包装等领域，但由于丙烯酸脂乳液存在一些自身的缺陷，比如由于配方体系中使用了乳化剂造成耐水性和耐沾污性较差等、比如由于配方体系中引入了苯乙烯占比较高时因为苯环造成耐候性较差等，这将导致丙烯酸树脂的耐水性、粘接性能、胶膜强度等强度难以满足特定的应用需求场景。
因此，期望一种优化的单组份自交联环氧改性丙烯酸酯乳液的制备方案。
发明内容
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种单组份自交联环氧改性丙烯酸酯乳液及其制备方法。所述制备方法包括：配置釜底料，所述配置釜底料的过程，包括：在反应釜底部加入去离子水、缓冲剂和反应性乳化剂，并在预定温度和搅拌控制策略下对所述去离子水、所述缓冲剂和所述反应性乳化剂组成的混合物进行加热搅拌以得到釜底料；配置预乳化液；配置种子乳液，其中，所述配置种子乳液的过程，包括：将所述釜底料的温度升至80℃，并加入过硫酸铵和所述预乳化液以得到种子乳液；以及，将剩余的所述预乳化液滴入所述种子乳液，并通过中和剂来调节PH值在7～8.5之间后，加入己二酸二酰肼以得到单组份自交联环氧改性丙烯酸酯乳液。这样，可以得到一种优化的丙烯酸酯乳液。
其中，所述环氧树脂为双酚A型环氧树脂或双酚F型环氧树脂，环氧树脂份子中的醚键邻位碳的的H原子可在引发剂的作用下可形成活性中心，可与丙烯酸类单体发生接枝共聚反应；所述烯基羧酸为丙烯酸，甲基丙烯酸，衣康酸的一种或混合物，烯基羧酸份子中的羧基能够与环氧基，氨基在成膜的过程中发生交联，提高胶膜的交联密度，并提高涂层间的附着力；所述水溶性引发剂为过硫酸铵，过硫酸钾，过硫酸钠，过氧化氢的一种或几种混合物；所述反应型乳化剂为SR-10，SE-10N或其他的一种或混合物，反应型乳化剂可以聚合连接到聚合物的大份子链上，因此可以减少其乳化剂的用量，提高其耐水性能，并且在涂抹过程中不会上浮，可以提高其耐沾污性能；所述缓冲剂为碳酸氢钠，磷酸二氢钠，醋酸钠等一种或几种的混合物，缓冲剂可以调节聚合体系的PH，使得PH值维持在弱酸性，使得反应更稳定，降低凝胶率；所述中和剂为三乙胺、二甲基乙醇胺、三乙醇氨或氨水等的一种或几种混合物，中和剂可以调节乳液的PH值在弱碱性范围，从而提高乳液的稳定性能，延长储存周期。
根据本申请的一个方面，提供了一种单组份自交联环氧改性丙烯酸酯乳液的制备方法，其包括：
配置釜底料，所述配置釜底料的过程，包括：在反应釜底部加入去离子水、缓冲剂和反应性乳化剂，并在预定温度和搅拌控制策略下对所述去离子水、所述缓冲剂和所述反应性乳化剂组成的混合物进行加热搅拌以得到釜底料；
配置预乳化液，其中，所述预乳化液由所述去离子水、反应型乳化剂、水溶性引发剂、丙烯酰胺、双丙酮丙烯酰胺、丙烯酸丁酯、烯基羧酸、甲基丙烯酸甲酯、丙烯酸乙酯和环氧树脂组成；
配置种子乳液，其中，所述配置种子乳液的过程，包括：将所述釜底料的温度升至80℃，并加入过硫酸铵和所述预乳化液以得到种子乳液；以及
将剩余的所述预乳化液滴入所述种子乳液，并通过中和剂来调节PH值在7～8.5之间后，加入己二酸二酰肼以得到单组份自交联环氧改性丙烯酸酯乳液。
在上述的单组份自交联环氧改性丙烯酸酯乳液的制备方法中，所述配置釜底料，包括：
获取预定时间段内多个预定时间点的搅拌速度值和温度值；
将所述多个预定时间点的搅拌速度值和温度值分别按照时间维度排列为搅拌速度输入向量和温度输入向量；
对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到参数关联输入矩阵；
将所述参数关联输入矩阵通过作为特征提取器的卷积神经网络模型以得到参数关联特征矩阵；
将所述搅拌速度输入向量通过多尺度邻域特征提取模块以得到搅拌速度特征向量；
以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积以得到分类特征向量；
对所述分类特征向量进行特征分布优化以得到优化分类特征向量；以及
将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌速度值应增大或应减小。
在上述的单组份自交联环氧改性丙烯酸酯乳液的制备方法中，对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到参数关联输入矩阵，包括：
以如下公式对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到所述参数关联输入矩阵；
其中，所述公式为：
Figure BDA0004084467760000031
其中，V1表示所述搅拌速度输入向量，
Figure BDA0004084467760000032
表示所述搅拌速度输入向量的转置向量，V2表示所述温度输入向量，M表示所述参数关联输入矩阵，
Figure BDA0004084467760000033
表示向量相乘。
在上述的单组份自交联环氧改性丙烯酸酯乳液的制备方法中，将所述参数关联输入矩阵通过作为特征提取器的卷积神经网络模型以得到参数关联特征矩阵，包括：
使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行卷积处理、沿通道维度的池化处理和非线性激活处理以由所述作为特征提取器的卷积神经网络模型的最后一层输出所述参数关联特征矩阵，其中，所述作为特征提取器的卷积神经网络模型的第一层的输入为所述参数关联输入矩阵。
在上述的单组份自交联环氧改性丙烯酸酯乳液的制备方法中，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
在上述的单组份自交联环氧改性丙烯酸酯乳液的制备方法中，将所述搅拌速度输入向量通过多尺度邻域特征提取模块以得到搅拌速度特征向量，包括：
使用所述多尺度邻域特征提取模块的所述第一卷积层对所述搅拌速度输入向量进行一维卷积编码以得到所述第一尺度搅拌速度特征向量；
其中，所述公式为：
Figure BDA0004084467760000034
其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述搅拌速度输入向量；
使用所述多尺度邻域特征提取模块的所述第二卷积层对所述搅拌速度输入向量进行一维卷积编码以得到所述第二尺度搅拌速度特征向量；
其中，所述公式为：
Figure BDA0004084467760000041
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X表示所述搅拌速度输入向量；以及
使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度搅拌速度特征向量和所述第二尺度搅拌速度特征向量进行级联以得到所述搅拌速度特征向量。
在上述的单组份自交联环氧改性丙烯酸酯乳液的制备方法中，以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积以得到分类特征向量，包括：
以如下公式计算所述搅拌速度特征向量与所述参数关联特征矩阵之间的矩阵乘积以得到所述分类特征向量；
其中，所述公式为：
Figure BDA0004084467760000042
其中，V1表示所述分类特征向量，Va表示所述搅拌速度特征向量，Mb表示所述参数关联特征矩阵，
Figure BDA0004084467760000043
表示矩阵乘。
在上述的单组份自交联环氧改性丙烯酸酯乳液的制备方法中，对所述分类特征向量进行特征分布优化以得到优化分类特征向量，包括：
以如下公式对所述分类特征向量进行正定赋范空间的几何约束重参数化以得到所述优化分类特征向量；
其中，所述公式为：
Figure BDA0004084467760000044
其中，V是所述分类特征向量，且V是行向量形式，VT是所述分类特征向量的转置向量，vi和v′i分别是所述分类特征向量和所述优化分类特征向量的第i个位置的特征值，μ和σ是所述分类特征向量的各个位置特征值集合的均值和方差，
Figure BDA0004084467760000045
表示向量的二范数的平方，||·||F表示矩阵的Frobenius范数，exp(·)表示计算以所述数值为幂的自然指数函数值。
在上述的单组份自交联环氧改性丙烯酸酯乳液的制备方法中，将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌速度值应增大或应减小，包括：
使用所述分类器的全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；
将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
根据本申请的另一个方面，提供了一种单组份自交联环氧改性丙烯酸酯乳液，其由前任一所述的单组份自交联环氧改性丙烯酸酯乳液的制备方法制得。
与现有技术相比，本申请提供的单组份自交联环氧改性丙烯酸酯乳液及其制备方法，所述制备方法包括：配置釜底料，所述配置釜底料的过程，包括：在反应釜底部加入去离子水、缓冲剂和反应性乳化剂，并在预定温度和搅拌控制策略下对所述去离子水、所述缓冲剂和所述反应性乳化剂组成的混合物进行加热搅拌以得到釜底料；配置预乳化液；配置种子乳液，其中，所述配置种子乳液的过程，包括：将所述釜底料的温度升至80℃，并加入过硫酸铵和所述预乳化液以得到种子乳液；以及，将剩余的所述预乳化液滴入所述种子乳液，并通过中和剂来调节PH值在7～8.5之间后，加入己二酸二酰肼以得到单组份自交联环氧改性丙烯酸酯乳液。这样，可以得到一种优化的丙烯酸酯乳液。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员而言，在没有做出创造性劳动的前提下，还可以根据这些附图获得其他的附图。以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本申请的主旨。
图1为根据本申请实施例的单组份自交联环氧改性丙烯酸酯乳液的制备方法的流程图。
图2为根据本申请实施例的单组份自交联环氧改性丙烯酸酯乳液的制备方法中配置釜底料步骤的场景示意图。
图3为根据本申请实施例的单组份自交联环氧改性丙烯酸酯乳液的制备方法中配置釜底料步骤的流程图。
图4为根据本申请实施例的单组份自交联环氧改性丙烯酸酯乳液的制备方法中配置釜底料步骤的架构示意图。
图5为根据本申请实施例的单组份自交联环氧改性丙烯酸酯乳液的制备方法中配置釜底料步骤的子步骤S180的流程图。
图6为根据本申请实施例的釜底料配置系统的框图。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本申请的部分实施例，而不是全部的实施例。基于本申请实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本申请保护的范围。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
如上所述，由于丙烯酸脂乳液存在一些自身的缺陷，比如由于配方体系中使用了乳化剂造成耐水性和耐沾污性较差等、比如由于配方体系中引入了苯乙烯占比较高时因为苯环造成耐候性较差等，这将导致丙烯酸树脂的耐水性、粘接性能、胶膜强度等强度难以满足特定的应用需求场景。因此，期望一种优化的单组份自交联环氧改性丙烯酸酯乳液的制备方案。
具体地，在本申请的技术方案中，如图1所示，提出了一种单组份自交联环氧改性丙烯酸酯乳液的制备方法，其包括：S100，配置釜底料，所述配置釜底料的过程，包括：在反应釜底部加入去离子水、缓冲剂和反应性乳化剂，并在预定温度和搅拌控制策略下对所述去离子水、所述缓冲剂和所述反应性乳化剂组成的混合物进行加热搅拌以得到釜底料；S200，配置预乳化液，其中，所述预乳化液由所述去离子水、反应型乳化剂、水溶性引发剂、丙烯酰胺、双丙酮丙烯酰胺、丙烯酸丁酯、烯基羧酸、甲基丙烯酸甲酯、丙烯酸乙酯和环氧树脂组成；S300，配置种子乳液，其中，所述配置种子乳液的过程，包括：将所述釜底料的温度升至80℃，并加入过硫酸铵和所述预乳化液以得到种子乳液；以及，S400，将剩余的所述预乳化液滴入所述种子乳液，并通过中和剂来调节PH值在7～8.5之间后，加入己二酸二酰肼以得到单组份自交联环氧改性丙烯酸酯乳液。
应可以理解，通过上述的单组份自交联环氧改性丙烯酸酯乳液的制备方法能够使用环氧树脂对丙烯酸酯体系进行改性，可以提高丙烯酸树脂的耐水性、粘接性能、胶膜强度等强度，而在丙烯酸树脂体系中引入双丙酮丙烯酰胺(DAAM)和己二酸二酰肼(ADH)，在室温下自交联的丙烯酸酯乳液能显著提高涂膜的耐水性、耐沾污性、涂膜强度等，以满足一些特殊的应用场景需求。
相应地，在实际进行单组份自交联环氧改性丙烯酸酯乳液的制备过程中，发现在配置釜底料时，由于温度和搅拌速度都是在固定的控制策略下来进行，导致溶液中的混合物通过加热搅拌的混合效果较差，生成的釜底料质量难以满足应有需求，这将直接导致配制的单组份自交联环氧改性丙烯酸酯乳液的耐水性、耐沾污性、涂膜强度等性能达不到令人满意的效果。因此，在本申请的技术方案中，期望基于搅拌速度和温度的时序动态关联特征信息来优化所述搅拌速度的时序隐含特征的表达，以此来对于当前时间点的搅拌速度值进行实时准确地控制。在此过程中，难点在于如何建立所述搅拌速度的时序变化和所述温度值的时序变化之间的映射关联关系，以使得基于所述搅拌速度和温度值的时序关联变化特征信息来自适应地调整当前时间点的搅拌速度值，以此来提高制备的单组份自交联环氧改性丙烯酸酯乳液的耐水性、耐沾污性、涂膜强度等性能。
近年来，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。
深度学习以及神经网络的发展为挖掘所述搅拌速度的时序变化和所述温度值的时序变化之间的复杂映射关系提供了新的解决思路和方案。本领域普通技术人员应知晓，基于深度学习的深度神经网络模型可以通过适当的训练策略，例如通过梯度下降的反向传播算法来调整所述深度神经网络模型的参数以使之能够模拟事物之间的复杂的非线性关联，而这显然适合于模拟并建立所述搅拌速度的时序变化和所述温度值的时序变化之间的复杂映射关系。
具体地，在本申请的技术方案中，首先，获取预定时间段内多个预定时间点的搅拌速度值和温度值。接着，考虑到所述搅拌速度值和所述温度值在时间维度上都具有着动态性的规律特征，并且这两者在配置釜底料时具有着关联性的关系，因此，为了能够优化所述搅拌速度值的时序动态特征的表达，以此来准确地进行当前时间点的搅拌速度值的实时控制，在本申请的技术方案中，将所述多个预定时间点的搅拌速度值和温度值分别按照时间维度排列为搅拌速度输入向量和温度输入向量，以此来分别整合所述搅拌速度值和所述温度值在时间维度上的参数数据分布信息。
然后，再对所述搅拌速度输入向量和所述温度输入向量进行关联编码，即计算所述搅拌速度输入向量的转置向量和所述温度输入向量之间的乘积，以此来建立所述搅拌速度值的时序信息和所述温度值的时序信息间的关联性，从而提取出所述搅拌速度值和所述温度值的时序关联分布信息，以得到参数关联输入矩阵。接着，再将所述参数关联输入矩阵通过作为特征提取器的卷积神经网络模型中进行特征挖掘，以此来提取出所述参数关联输入矩阵中关于所述搅拌速度和温度值在时间维度上的高维动态隐含关联特征，从而得到参数关联特征矩阵。
进一步地，考虑到所述搅拌速度值在时间维度上具有着波动性，其在所述预定时间段内的不同时间周期跨度下具有着不同的模式状态变化特征，因此，为了能够充分且准确地提取出所述搅拌速度值在时间维度上的动态变化特征信息，进一步将所述搅拌速度输入向量通过多尺度邻域特征提取模块中进行特征挖掘，以提取出所述搅拌速度值在不同时间周期跨度下的动态多尺度邻域关联特征，从而得到搅拌速度特征向量。
然后，考虑到在实际的釜底料配置过程中，所述搅拌速度值和所述温度值之间具有着时序的关联性关系，也就是说，所述搅拌速度值的实时控制应基于所述搅拌速度和温度的时序动态关联特征信息来进行自适应调整。因此，在得到所述搅拌速度值和所述温度值的时序关联性特征分布信息后，为了能够提高对于当前时间点的搅拌速度值的控制精准度，在本申请的技术方案中，以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积以得到分类特征向量。应可以理解，这样，能够以所述搅拌速度和所述温度值的时序动态关联特征来优化所述搅拌速度值的多尺度动态特征的表达，进而提高后续分类的精准度。
接着，进一步再将所述分类特征向量通过分类器中进行分类处理以得到用于表示当前时间点的搅拌速度值应增大或应减小的分类结果。
也就是，在本申请的技术方案中，所述分类器的标签包括当前时间点的搅拌速度值应增大，以及，当前时间点的搅拌速度值应减小，其中，所述分类器通过软最大值函数来确定所述分类特征向量属于哪个分类标签。应可以理解，在本申请的技术方案中，所述分类器的分类标签为当前时间点的搅拌速度值的控制策略标签，因此，在得到所述分类结果后，可基于所述分类结果来自适应地调整所述当前时间点的搅拌速度值，以此来提高釜底料的配置质量，进而提高制备的单组份自交联环氧改性丙烯酸酯乳液的耐水性、耐沾污性、涂膜强度等性能。
特别地，在本申请的技术方案中，在以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积得到所述分类特征向量时，是将所述参数关联特征矩阵表达的搅拌速度和温度的跨时序关联特征映射到所述搅拌速度的时序多尺度邻域关联特征空间内，从而提升了所述分类特征向量的表达效果。但是，由于所述分类特征向量同时表达了搅拌速度的时序多尺度邻域关联特征以及搅拌速度和温度的跨时序关联特征，这会导致所述分类特征向量整体的特征分布存在相对于分类器的预定类标签收敛性差的问题，从而影响模型的训练速度和分类结果的准确性。
因此，优选地，对所述分类特征向量，例如记为V进行正定赋范空间的几何约束重参数化，表示为：
Figure BDA0004084467760000081
其中，μ和σ是特征集合vi∈V的均值和方差，
Figure BDA0004084467760000082
表示向量的二范数的平方，||·||F表示矩阵的Frobenius范数，vi和vi′分别是校正前和校正后的分类特征向量的第i个位置的特征值，且V是行向量形式。
这里，所述分类特征向量V的正定赋范空间的几何约束重参数化可以基于贝塞尔不等式的投影模长度量关系，通过以内积形式表示的向量范数平方在向量自身的关联集合空间内的投影，来使得向量的分布集合在具有正定性的赋范空间的几何度量子空间内具有模长约束性，以基于特征分布的几何约束来将分布空间重参数化到具有闭子空间的有界正定赋范空间。这样，就提高所述分类特征向量整体的特征分布在预定类标签属性下的收敛性，从而提升了模型的训练速度和分类结果的准确性。这样，能够实时准确地基于实际的应用需求来自适应地调整当前时间点的搅拌速度值，以此来提高制备的单组份自交联环氧改性丙烯酸酯乳液的耐水性、耐沾污性、涂膜强度等性能。
图2为根据本申请实施例的单组份自交联环氧改性丙烯酸酯乳液的制备方法中配置釜底料步骤的场景示意图。如图2所示，在该应用场景中，首先，获取预定时间段内多个预定时间点的搅拌速度值(例如，图2中所示意的D1)和温度值(例如，图2中所示意的D2)，然后，将所述多个预定时间点的搅拌速度值和温度值输入至部署有釜底料配置算法的服务器中(例如，图2中所示意的S)，其中，所述服务器能够使用所述釜底料配置算法对所述多个预定时间点的搅拌速度值和温度值进行处理以得到用于表示当前时间点的搅拌速度值应增大或应减小的分类结果。
在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。
图3为根据本申请实施例的单组份自交联环氧改性丙烯酸酯乳液的制备方法中配置釜底料步骤的流程图。如图3所示，根据本申请实施例的单组份自交联环氧改性丙烯酸酯乳液的制备方法中所述配置釜底料，包括步骤：S110，获取预定时间段内多个预定时间点的搅拌速度值和温度值；S120，将所述多个预定时间点的搅拌速度值和温度值分别按照时间维度排列为搅拌速度输入向量和温度输入向量；S130，对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到参数关联输入矩阵；S140，将所述参数关联输入矩阵通过作为特征提取器的卷积神经网络模型以得到参数关联特征矩阵；S150，将所述搅拌速度输入向量通过多尺度邻域特征提取模块以得到搅拌速度特征向量；S160，以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积以得到分类特征向量；S170，对所述分类特征向量进行特征分布优化以得到优化分类特征向量；以及，S180，将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌速度值应增大或应减小。
图4为根据本申请实施例的单组份自交联环氧改性丙烯酸酯乳液的制备方法中配置釜底料步骤的架构示意图。如图4所示，在该网络架构中，首先，获取预定时间段内多个预定时间点的搅拌速度值和温度值；接着，将所述多个预定时间点的搅拌速度值和温度值分别按照时间维度排列为搅拌速度输入向量和温度输入向量；然后，对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到参数关联输入矩阵；接着，将所述参数关联输入矩阵通过作为特征提取器的卷积神经网络模型以得到参数关联特征矩阵；然后，将所述搅拌速度输入向量通过多尺度邻域特征提取模块以得到搅拌速度特征向量；接着，以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积以得到分类特征向量；然后，对所述分类特征向量进行特征分布优化以得到优化分类特征向量；最后，将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌速度值应增大或应减小。
更具体地，在步骤S110中，获取预定时间段内多个预定时间点的搅拌速度值和温度值。在实际进行单组份自交联环氧改性丙烯酸酯乳液的制备过程中，发现在配置釜底料时，由于温度和搅拌速度都是在固定的控制策略下来进行，导致溶液中的混合物通过加热搅拌的混合效果较差，生成的釜底料质量难以满足应有需求，这将直接导致配制的单组份自交联环氧改性丙烯酸酯乳液的耐水性、耐沾污性、涂膜强度等性能达不到令人满意的效果。因此，在本申请的技术方案中，期望基于搅拌速度和温度的时序动态关联特征信息来优化所述搅拌速度的时序隐含特征的表达，以此来对于当前时间点的搅拌速度值进行实时准确地控制。
更具体地，在步骤S120中，将所述多个预定时间点的搅拌速度值和温度值分别按照时间维度排列为搅拌速度输入向量和温度输入向量。所述搅拌速度值和所述温度值在时间维度上都具有着动态性的规律特征，并且这两者在配置釜底料时具有着关联性的关系，因此，为了能够优化所述搅拌速度值的时序动态特征的表达，以此来准确地进行当前时间点的搅拌速度值的实时控制，在本申请的技术方案中，将所述多个预定时间点的搅拌速度值和温度值分别按照时间维度排列为搅拌速度输入向量和温度输入向量，以此来分别整合所述搅拌速度值和所述温度值在时间维度上的参数数据分布信息。
更具体地，在步骤S130中，对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到参数关联输入矩阵。计算所述搅拌速度输入向量的转置向量和所述温度输入向量之间的乘积，以此来建立所述搅拌速度值的时序信息和所述温度值的时序信息间的关联性，从而提取出所述搅拌速度值和所述温度值的时序关联分布信息，以得到参数关联输入矩阵。
相应地，在一个具体示例中，对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到参数关联输入矩阵，包括：以如下公式对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到所述参数关联输入矩阵；其中，所述公式为：
Figure BDA0004084467760000101
其中，V1表示所述搅拌速度输入向量，
Figure BDA0004084467760000102
表示所述搅拌速度输入向量的转置向量，V2表示所述温度输入向量，M表示所述参数关联输入矩阵，
Figure BDA0004084467760000103
表示向量相乘。
更具体地，在步骤S140中，将所述参数关联输入矩阵通过作为特征提取器的卷积神经网络模型以得到参数关联特征矩阵。将所述参数关联输入矩阵通过作为特征提取器的卷积神经网络模型中进行特征挖掘，以此来提取出所述参数关联输入矩阵中关于所述搅拌速度和温度值在时间维度上的高维动态隐含关联特征，从而得到参数关联特征矩阵。
卷积神经网络模型是一种人工神经网络，在图像识别等领域有着广泛的应用。卷积神经网络模型可以包括输入层、隐藏层和输出层，其中，隐藏层可以包括卷积层、池化(pooling)层、激活层和全连接层等，上一层根据输入的数据进行相应的运算，将运算结果输出给下一层，输入的初始数据经过多层的运算之后得到一个最终的结果。
相应地，在一个具体示例中，将所述参数关联输入矩阵通过作为特征提取器的卷积神经网络模型以得到参数关联特征矩阵，包括：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行卷积处理、沿通道维度的池化处理和非线性激活处理以由所述作为特征提取器的卷积神经网络模型的最后一层输出所述参数关联特征矩阵，其中，所述作为特征提取器的卷积神经网络模型的第一层的输入为所述参数关联输入矩阵。
更具体地，在步骤S150中，将所述搅拌速度输入向量通过多尺度邻域特征提取模块以得到搅拌速度特征向量。考虑到所述搅拌速度值在时间维度上具有着波动性，其在所述预定时间段内的不同时间周期跨度下具有着不同的模式状态变化特征，因此，为了能够充分且准确地提取出所述搅拌速度值在时间维度上的动态变化特征信息，进一步将所述搅拌速度输入向量通过多尺度邻域特征提取模块中进行特征挖掘，以提取出所述搅拌速度值在不同时间周期跨度下的动态多尺度邻域关联特征，从而得到搅拌速度特征向量。
多尺度领域特征提取模块本质上是一个基于深度学习的深度神经网络模型，其能够通过预定训练策略来拟合任何函数功能，且具有更高的特征提取泛化能力。所述多尺度邻域特征提取模块包含多个并行的一维卷积层，其中，在所述多尺度邻域特征提取模块进行特征提取的过程中，所述多个并行的一维卷积层分别以具有不同尺度的一维卷积核对输入数据进行一维卷积编码以捕捉序列局部隐含特征。
相应地，在一个具体示例中，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
相应地，在一个具体示例中，将所述搅拌速度输入向量通过多尺度邻域特征提取模块以得到搅拌速度特征向量，包括：使用所述多尺度邻域特征提取模块的所述第一卷积层对所述搅拌速度输入向量进行一维卷积编码以得到所述第一尺度搅拌速度特征向量；其中，所述公式为：
Figure BDA0004084467760000111
其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述搅拌速度输入向量；使用所述多尺度邻域特征提取模块的所述第二卷积层对所述搅拌速度输入向量进行一维卷积编码以得到所述第二尺度搅拌速度特征向量；其中，所述公式为：
Figure BDA0004084467760000112
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X表示所述搅拌速度输入向量；以及，使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度搅拌速度特征向量和所述第二尺度搅拌速度特征向量进行级联以得到所述搅拌速度特征向量。
更具体地，在步骤S160中，以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积以得到分类特征向量。考虑到在实际的釜底料配置过程中，所述搅拌速度值和所述温度值之间具有着时序的关联性关系，也就是说，所述搅拌速度值的实时控制应基于所述搅拌速度和温度的时序动态关联特征信息来进行自适应调整。因此，在得到所述搅拌速度值和所述温度值的时序关联性特征分布信息后，为了能够提高对于当前时间点的搅拌速度值的控制精准度，在本申请的技术方案中，以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积以得到分类特征向量。应可以理解，这样，能够以所述搅拌速度和所述温度值的时序动态关联特征来优化所述搅拌速度值的多尺度动态特征的表达，进而提高后续分类的精准度。
相应地，在一个具体示例中，以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积以得到分类特征向量，包括：以如下公式计算所述搅拌速度特征向量与所述参数关联特征矩阵之间的矩阵乘积以得到所述分类特征向量；其中，所述公式为：
Figure BDA0004084467760000121
其中，V1表示所述分类特征向量，Va表示所述搅拌速度特征向量，Mb表示所述参数关联特征矩阵，
Figure BDA0004084467760000122
表示矩阵乘。
更具体地，在步骤S170中，对所述分类特征向量进行特征分布优化以得到优化分类特征向量。
特别地，在本申请的技术方案中，在以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积得到所述分类特征向量时，是将所述参数关联特征矩阵表达的搅拌速度和温度的跨时序关联特征映射到所述搅拌速度的时序多尺度邻域关联特征空间内，从而提升了所述分类特征向量的表达效果。但是，由于所述分类特征向量同时表达了搅拌速度的时序多尺度邻域关联特征以及搅拌速度和温度的跨时序关联特征，这会导致所述分类特征向量整体的特征分布存在相对于分类器的预定类标签收敛性差的问题，从而影响模型的训练速度和分类结果的准确性。因此，优选地，对所述分类特征向量，例如记为V进行正定赋范空间的几何约束重参数化。
相应地，在一个具体示例中，对所述分类特征向量进行特征分布优化以得到优化分类特征向量，包括：以如下公式对所述分类特征向量进行正定赋范空间的几何约束重参数化以得到所述优化分类特征向量；其中，所述公式为：
Figure BDA0004084467760000123
其中，V是所述分类特征向量，且V是行向量形式，VT是所述分类特征向量的转置向量，vi和vi′分别是所述分类特征向量和所述优化分类特征向量的第i个位置的特征值，μ和σ是所述分类特征向量的各个位置特征值集合的均值和方差，
Figure BDA0004084467760000124
表示向量的二范数的平方，||·||F表示矩阵的Frobenius范数，exp(·)表示计算以所述数值为幂的自然指数函数值。
这里，所述分类特征向量V的正定赋范空间的几何约束重参数化可以基于贝塞尔不等式的投影模长度量关系，通过以内积形式表示的向量范数平方在向量自身的关联集合空间内的投影，来使得向量的分布集合在具有正定性的赋范空间的几何度量子空间内具有模长约束性，以基于特征分布的几何约束来将分布空间重参数化到具有闭子空间的有界正定赋范空间。这样，就提高所述分类特征向量整体的特征分布在预定类标签属性下的收敛性，从而提升了模型的训练速度和分类结果的准确性。这样，能够实时准确地基于实际的应用需求来自适应地调整当前时间点的搅拌速度值，以此来提高制备的单组份自交联环氧改性丙烯酸酯乳液的耐水性、耐沾污性、涂膜强度等性能。
更具体地，在步骤S180中，将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌速度值应增大或应减小。也就是，在本申请的技术方案中，所述分类器的标签包括当前时间点的搅拌速度值应增大，以及，当前时间点的搅拌速度值应减小，其中，所述分类器通过软最大值函数来确定所述分类特征向量属于哪个分类标签。应可以理解，在本申请的技术方案中，所述分类器的分类标签为当前时间点的搅拌速度值的控制策略标签，因此，在得到所述分类结果后，可基于所述分类结果来自适应地调整所述当前时间点的搅拌速度值，以此来提高釜底料的配置质量，进而提高制备的单组份自交联环氧改性丙烯酸酯乳液的耐水性、耐沾污性、涂膜强度等性能。
相应地，在一个具体示例中，如图5所示，将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌速度值应增大或应减小，包括：S181，使用所述分类器的全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；S182，将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
综上，基于本申请实施例的单组份自交联环氧改性丙烯酸酯乳液的制备方法中配置釜底料步骤，其首先获取预定时间段内多个预定时间点的搅拌速度值和温度值，接着，将所述多个预定时间点的搅拌速度值和温度值分别按照时间维度排列为搅拌速度输入向量和温度输入向量，然后，对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到参数关联输入矩阵，接着，将所述参数关联输入矩阵通过作为特征提取器的卷积神经网络模型以得到参数关联特征矩阵，然后，将所述搅拌速度输入向量通过多尺度邻域特征提取模块以得到搅拌速度特征向量，接着，以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积以得到分类特征向量，然后，对所述分类特征向量进行特征分布优化以得到优化分类特征向量，最后，将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌速度值应增大或应减小。通过这样的方式，可以得到一种优化的丙烯酸酯乳液。
相应的，本申请提供了一种单组份自交联环氧改性丙烯酸酯乳液，其通过上述单组份自交联环氧改性丙烯酸酯乳液的制备方法制得。
其中，单组份自交联环氧改性丙烯酸酯乳液，按重量份数计，包括以下组份：丙烯酸丁酯20-100份、烯基羧酸2-5份、甲基丙丙酸甲酯80-150份、丙烯酸乙酯20-50份、双丙酮丙烯酰胺(DAAM)4-6份、己二酸二酰肼(ADH)2-3份、环氧树脂10-20份、丙烯酰胺3-5份、水溶性引发剂1-2份、反应型乳化剂5-8份、去离子水200-300份、缓冲剂0.2-0.5份、中和剂1-4份。
相应的，在制备过程中使用环氧树脂作为改性树脂，环氧树脂份子中的醚键邻位碳的的H原子可在引发剂的作用下可形成活性中心，可与丙烯酸类单体发生接枝共聚反应，从而在丙烯酸树脂份子链上接入环氧树脂份子，可以提高丙烯酸树脂的耐溶剂性和耐酸碱性、并提高树脂的光泽度和粘接强度。
相应的，在制备过程中选用(甲基)丙烯酸，丙烯酸乙酯，丙烯酸丁酯，甲基丙烯酸甲酯等丙烯酸单体，这些单体的聚和物具有较好的耐候性、抗紫外线、柔韧性。
相应的，在配方中采用了功能性单体丙烯酸和丙烯酰胺，丙烯酸和丙烯酰胺存在碳碳双键(-C＝C-)可以与丙烯酸酯发生共聚反应，另外羧基(-COOH)和氨基(-NH2)可以在引发剂的作用下发生酰胺反应，使的聚合的份子链形成一定的交联结构，从而提高丙烯酸酯乳液的耐水性等综合性能。
相应的，在配方中采用了反应型乳化剂，反应型乳化剂在份子链上存在碳碳双键(-C＝C-)可以与丙烯酸单体发生共聚反应，相较于传统乳化剂游离在乳液体系中，反应型乳化剂可以接枝到聚合物大份子链上从而在成膜过程中，保证了乳化剂不会迁移上浮，因此能提升涂膜的耐沾污能力并减少乳化剂的用量。
相应的，在配方中采用了双丙酮丙烯酰胺(DAAM)和己二酸二酰肼(ADH)常温交联体系，该体系属于酮肼交联体系，在室温条件下就可以进行，通过脱水缩合形成交联结构。因此，可以在涂膜干燥过程中形成致密的交联网络，从而提升涂膜的强度、耐水性能等综合性能。
相应的，在配方中采取了内外两种交联方式，在乳液集合过程中，可使丙烯酸和丙烯酰胺发生一定的交联，使的聚合物大份子链具有一定的交联结构。在涂膜干燥成膜过程中，聚合物大份子链上接枝的双丙酮丙烯酰胺(DAAM)与体系中添加的己二酸二酰肼(ADH)在室温条件下可以通过脱水缩合发生酮肼交联反应，从而提升了整体的交联密度，进一步提升涂膜的综合性能。
相应的，在配方中采用了单体和水溶性引发剂，混合滴加的方式，相较于传统的引发剂和单体份开滴加的方式，混合滴加的方式可以保证反应平稳均匀的聚合，使得丙烯酸脂聚合物份子量份布比较均匀。同时相较传统的份开滴加方式工艺操作更简便、反应过程更易控制，使得生产出的丙烯酸酯乳液性能更加稳定。
进一步地，通过在丙烯酸酯大份子链上接枝环氧树脂份子，可以显著提高涂膜的耐水性、耐酸碱性、涂膜强度、附着力和光泽度。通过使用反应型引发剂代替传统的阴离子型乳化剂、非离子型引发剂，不仅可以减少乳化剂的使用量提高耐水性能，更是使得乳化剂直接聚合在丙烯酸脂聚合物份子链上，避免了涂膜干燥过程中乳化剂迁移至涂膜表面，从而提升耐沾污性能和涂膜光泽度。通过使用内外两种交联方式，在内聚合物大份子链上烯基羧酸的羧基(-COOH)和丙烯酰胺的氨基(-NH2)发生酰胺反应，使的聚合物大份子链产生交联，在外涂膜干燥过程中双丙酮丙烯酰胺(DAAM)和己二酸二酰肼(ADH)在室温条件下可以通过脱水缩合发生酮肼交联反应，从而提升胶膜整体的交联密度使的耐水性和胶膜强度都得到巨大提升。通过引发剂和单体混合滴加的方式，相较传统份别滴加引发剂和单体的方式，滴加工艺更加简便易于控制、得到聚合物份子量份布更窄、转化效率更高，可以有效的降低生产成本和控制产品质量。
在本申请的一个示例中，制备单组份自交联环氧改性丙烯酸酯乳液的原料配方表1为：
Figure BDA0004084467760000141
Figure BDA0004084467760000151
据上述配方表1制备丙烯酸酯乳液的制备方法，包括以下制备步骤：
(1)配置釜底料
在反应釜底部加入196份去离子水、0.3份碳酸氢钠和1.8份SR-10，在200r/min的搅拌速度下搅拌，开始加热温度维持在80℃。
(2)配置预乳化液
将84份的去离子水、4.2份SR-10、1.26份过硫酸铵、3份丙烯酰胺、4份双丙酮丙烯酰胺(DAAM)，高速搅拌十份钟充份溶解。充份溶解后加入80份的丙烯酸丁酯、2份丙烯酸、110份甲基丙烯酸甲酯、20份丙烯酸乙酯溶解的10份的环氧树脂E-44。将混合溶液在转速为2000r/min的转速下剧烈分散30份钟，得到稳定的乳白色的预乳化液。
(3)配置种子乳液
待釜底料的反应温度升至80℃时，加入0.14份的过硫酸铵和25份预乳化液，待釜底料开始变蓝后继续保温30份钟得到种子乳液。
(4)聚合反应
在3h内将剩余的预乳化液均匀滴加至反应釜内，滴加结束后保温2h，后降温至45℃，在10min内均匀滴加总量2.8份的三乙胺，控制PH在7.5，加入2份的己二酸二酰肼(ADH)，搅拌15份钟后使用200目滤网过滤出料，得到单组份自交联环氧改性丙烯酸酯乳液。
对该示例制备得到的丙烯酸酯乳液进行性能检测，得到下列性能检测表1：
检测项目 性能 检测方法
固含 46.5％ GB/T2793-1995
耐乙醇性(50％，1h) 无变化 GB/T23999-2009
耐水性(25℃，24h) 无变化 GB/T4893.1-2005
耐沾污性 良 GB/T9780-2013
铅笔硬度 HB GB/T6739-2006
钙离子稳定性 通过 SH/T1608-1995
在本申请的另一个示例中，制备单组份自交联环氧改性丙烯酸酯乳液的原料配方表2为：
Figure BDA0004084467760000152
Figure BDA0004084467760000161
据上述配方表2制备丙烯酸酯乳液的制备方法，包括以下制备步骤：
(1)配置釜底料
在反应釜底部加入196份去离子水、0.3份碳酸氢钠和1.8份SR-10，在200r/min的搅拌速度下搅拌，开始加热温度维持在80℃。
(2)配置预乳化液
将84份的去离子水、4.2份SR-10、1.26份过硫酸铵、4份丙烯酰胺、4份双丙酮丙烯酰胺(DAAM)，高速搅拌十份钟充份溶解。充份溶解后加入60份的丙烯酸丁酯、2.5份甲基丙烯酸、110份甲基丙烯酸甲酯、40份丙烯酸乙酯溶解的12份的环氧树脂E-44。将混合溶液在转速为2000r/min的转速下剧烈分散30份钟，得到稳定的乳白色的预乳化液。
(3)配置种子乳液
待釜底料的反应温度升至80℃时，加入0.14份的过硫酸铵和25份预乳化液，待釜底料开始变蓝后继续保温30份钟得到种子乳液。
(4)聚合反应
在3h内将剩余的预乳化液均匀滴加至反应釜内，滴加结束后保温2h，后降温至45℃，在10min内均匀滴加总量2份的氨水(25％)，控制PH在7.5，加入2.5份的己二酸二酰肼(ADH)，搅拌15份钟后使用200目滤网过滤出料，得到单组份自交联环氧改性丙烯酸酯乳液。
对该示例制备得到的丙烯酸酯乳液进行性能检测，得到下列性能检测表2：
Figure BDA0004084467760000162
Figure BDA0004084467760000171
在本申请的另一个示例中，制备单组份自交联环氧改性丙烯酸酯乳液的原料配方表3为：
原料名称 质量(g)
丙烯酸乙酯EA 50.0
丙烯酸AA 2.5
丙烯酸丁酯BA 40.0
甲基丙烯酸甲酯MMA 110.0
丙烯酰胺AM 4.0
双丙酮丙烯酰胺DAAM 4.2
己二酸二酰肼ADH 2.2
环氧树脂E-44 12.0
SE-10N 6.0
过硫酸铵APS 1.4
碳酸氢钠NaHCO3 0.25
去离子水 280.0
氨水(25％) 2.36
据上述配方表1制备丙烯酸酯乳液的制备方法，包括以下制备步骤：
(1)配置釜底料
在反应釜底部加入196份去离子水、0.25份碳酸氢钠和1.8份SR-10，在200r/min的搅拌速度下搅拌，开始加热温度维持在80℃。
(2)配置预乳化液
将84份的去离子水、4.2份SE-10N、1.26份过硫酸铵、4份丙烯酰胺、4.2份双丙酮丙烯酰胺(DAAM)，高速搅拌十份钟充份溶解。充份溶解后加入40份的丙烯酸丁酯、2.5份丙烯酸、110份甲基丙烯酸甲酯、50份丙烯酸乙酯溶解的12份的环氧树脂E-44。将混合溶液在转速为2000r/min的转速下剧烈分散30份钟，得到稳定的乳白色的预乳化液。
(3)配置种子乳液
待釜底料的反应温度升至80℃时，加入0.14份的过硫酸铵和25份预乳化液，待釜底料开始变蓝后继续保温30份钟得到种子乳液。
(4)聚合反应
在3h内将剩余的预乳化液均匀滴加至反应釜内，滴加结束后保温2h，后降温至45℃，在10min内均匀滴加总量2.36份的氨水(25％)，控制PH在7.5，加入2.2份的己二酸二酰肼(ADH)，搅拌15份钟后使用200目滤网过滤出料，得到单组份自交联环氧改性丙烯酸酯乳液。
对该示例制备得到的丙烯酸酯乳液进行性能检测，得到下列性能检测表3：
检测项目 性能 检测方法
固含 45.7％ GB/T2793-1995
耐乙醇性(50％，1h) 无变化 GB/T23999-2009
耐水性(25℃，24h) 无变化 GB/T4893.1-2005
耐沾污性 优 GB/T9780-2013
铅笔硬度 2H GB/T6739-2006
钙离子稳定性 通过 SH/T1608-1995
在本申请的另一个示例中，制备单组份自交联环氧改性丙烯酸酯乳液的原料配方表4为：
原料名称 质量(g)
丙烯酸乙酯EA 50.0
甲基丙烯酸AA 2.5
丙烯酸丁酯BA 45.0
甲基丙烯酸甲酯MMA 105.0
丙烯酰胺AM 4.0
双丙酮丙烯酰胺DAAM 4.0
己二酸二酰肼ADH 2.2
环氧树脂E-51 20.0
SR-10 6.0
过硫酸铵APS 1.4
碳酸氢钠NaHCO3 0.3
去离子水 280.0
氨水(25％) 2.1
据上述配方表4制备丙烯酸酯乳液的制备方法，包括以下制备步骤：
(1)配置釜底料
在反应釜底部加入196份去离子水、0.3份碳酸氢钠和1.8份SR-10，在200r/min的搅拌速度下搅拌，开始加热温度维持在80℃。
(2)配置预乳化液
将84份的去离子水、4.2份SR-10、1.26份过硫酸铵、4份丙烯酰胺、4份双丙酮丙烯酰胺(DAAM)，高速搅拌十份钟充份溶解。充份溶解后加入45份的丙烯酸丁酯、2.5份甲基丙烯酸、105份甲基丙烯酸甲酯、50份丙烯酸乙酯溶解的20份的环氧树脂E-51。将混合溶液在转速为2000r/min的转速下剧烈分散30份钟，得到稳定的乳白色的预乳化液。
(3)配置种子乳液
待釜底料的反应温度升至80℃时，加入0.14份的过硫酸铵和25份预乳化液，待釜底料开始变蓝后继续保温30份钟得到种子乳液。
(4)聚合反应
在3h内将剩余的预乳化液均匀滴加至反应釜内，滴加结束后保温2h，后降温至45℃，在10min内均匀滴加总量2.1份的氨水(25％)，控制PH在7.5，加入2.2份的己二酸二酰肼(ADH)，搅拌15份钟后使用200目滤网过滤出料，得到单组份自交联环氧改性丙烯酸酯乳液。
对该示例制备得到的丙烯酸酯乳液进行性能检测，得到下列性能检测表4：
检测项目 性能 检测方法
固含 46.6％ GB/T2793-1995
耐乙醇性(50％，1h) 无变化 GB/T23999-2009
耐水性(25℃，24h) 无变化 GB/T4893.1-2005
耐沾污性 优 GB/T9780-2013
铅笔硬度 2H GB/T6739-2006
钙离子稳定性 通过 SH/T1608-1995
在本申请的另一个示例中，制备单组份自交联环氧改性丙烯酸酯乳液的原料配方表5为：
原料名称 质量(g)
丙烯酸乙酯EA 45.0
丙烯酸AA 3.0
丙烯酸丁酯BA 35.0
甲基丙烯酸甲酯MMA 120.0
丙烯酰胺AM 4.0
双丙酮丙烯酰胺DAAM 4.2
己二酸二酰肼ADH 2.5
环氧树脂E-44 15
SR-10 6.0
过硫酸铵APS 1.4
碳酸氢钠NaHCO3 0.3
去离子水 280.0
氨水(25％) 2.8
据上述配方表5制备丙烯酸酯乳液的制备方法，包括以下制备步骤：
(1)配置釜底料
在反应釜底部加入196份去离子水、0.3份碳酸氢钠和1.8份SR-10，在200r/min的搅拌速度下搅拌，开始加热温度维持在80℃。
(2)配置预乳化液
将84份的去离子水、4.2份SR-10、1.26份过硫酸铵、4份丙烯酰胺、4.2份双丙酮丙烯酰胺(DAAM)，高速搅拌十份钟充份溶解。充份溶解后加入35份的丙烯酸丁酯、3份丙烯酸、120份甲基丙烯酸甲酯、45份丙烯酸乙酯溶解的15份的环氧树脂E-44。将混合溶液在转速为2000r/min的转速下剧烈分散30份钟，得到稳定的乳白色的预乳化液。
(3)配置种子乳液
待釜底料的反应温度升至80℃时，加入0.14份的过硫酸铵和25份预乳化液，待釜底料开始变蓝后继续保温30份钟得到种子乳液。
(4)聚合反应
在3h内将剩余的预乳化液均匀滴加至反应釜内，滴加结束后保温2h，后降温至45℃，在10min内均匀滴加总量2.8份的氨水(25％)，控制PH在7.5，加入2.5份的己二酸二酰肼(ADH)，搅拌15份钟后使用200目滤网过滤出料，得到单组份自交联环氧改性丙烯酸酯乳液。
对该示例制备得到的丙烯酸酯乳液进行性能检测，得到下列性能检测表5：
检测项目 性能 检测方法
固含 46.3％ GB/T2793-1995
耐乙醇性(50％，1h) 无变化 GB/T23999-2009
耐水性(25℃，24h) 无变化 GB/T4893.1-2005
耐沾污性 优 GB/T9780-2013
铅笔硬度 3H GB/T6739-2006
钙离子稳定性 通过 SH/T1608-1995
在本申请的另一个示例中，将1份羟乙基纤维素、0.5份润湿剂、1份分散剂、0.1份消泡剂分散在水中，然后依次加入10份钛白粉、10份高岭土和40份重质碳酸钙、15份滑石粉，在分散机中高速分散，分散均匀后加入30份自交联环氧改性丙烯酸酯乳液(实例3)、0.2份消泡剂和2份十二醇酯充分搅拌均匀，搅拌均匀后加入0.7份AMP-95多功能助剂调整涂料的PH值和粘度大小。
对该示例制备得到的材料进行性能检测，得到下列性能检测表6：
检测项目 技术指标 实例3检测结果
放置状态(6个月) 搅拌均匀、无结块 合格
施工性 刷涂两次无障碍 合格
涂膜外观 表面平整，符合色差范围 合格
干燥时间/h ≤2 45min已干
附着力/级 1 0.65
耐水性/168h 无异常 240h无变化
耐人工气候老化 ≥400h 600h无变化
耐洗刷性 ≥1000次不漏低 2000次不漏底
耐沾污性 ≤20 10
从性能检测表6的检测结果可以看出该单组份自交联环氧改性丙烯酸酯乳液达到了提高涂料耐水性、强度、耐紫外线老化、耐沾污性并提高附着力的要求，并优化了生产工艺使的单组份自交联环氧改性丙烯酸酯乳液的产品质量更加稳定、降低生产成本。
图6为根据本申请实施例的釜底料配置系统100的框图。如图6所示，根据本申请实施例的釜底料配置系统100，包括：数据获取模块110，用于获取预定时间段内多个预定时间点的搅拌速度值和温度值；向量排列模块120，用于将所述多个预定时间点的搅拌速度值和温度值分别按照时间维度排列为搅拌速度输入向量和温度输入向量；关联编码模块130，用于对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到参数关联输入矩阵；卷积编码模块140，用于将所述参数关联输入矩阵通过作为特征提取器的卷积神经网络模型以得到参数关联特征矩阵；多尺度编码模块150，用于将所述搅拌速度输入向量通过多尺度邻域特征提取模块以得到搅拌速度特征向量；分类特征向量计算模块160，用于以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积以得到分类特征向量；特征分布优化模块170，用于对所述分类特征向量进行特征分布优化以得到优化分类特征向量；以及，分类结果生成模块180，用于将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌速度值应增大或应减小。
在一个示例中，在上述釜底料配置系统100中，所述关联编码模块130，用于：以如下公式对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到所述参数关联输入矩阵；其中，所述公式为：
Figure BDA0004084467760000211
其中，V1表示所述搅拌速度输入向量，
Figure BDA0004084467760000212
表示所述搅拌速度输入向量的转置向量，V2表示所述温度输入向量，M表示所述参数关联输入矩阵，
Figure BDA0004084467760000213
表示向量相乘。
在一个示例中，在上述釜底料配置系统100中，所述卷积编码模块140，用于：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行卷积处理、沿通道维度的池化处理和非线性激活处理以由所述作为特征提取器的卷积神经网络模型的最后一层输出所述参数关联特征矩阵，其中，所述作为特征提取器的卷积神经网络模型的第一层的输入为所述参数关联输入矩阵。
在一个示例中，在上述釜底料配置系统100中，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
在一个示例中，在上述釜底料配置系统100中，所述多尺度编码模块150，用于：使用所述多尺度邻域特征提取模块的所述第一卷积层对所述搅拌速度输入向量进行一维卷积编码以得到所述第一尺度搅拌速度特征向量；其中，所述公式为：
Figure BDA0004084467760000214
其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述搅拌速度输入向量；使用所述多尺度邻域特征提取模块的所述第二卷积层对所述搅拌速度输入向量进行一维卷积编码以得到所述第二尺度搅拌速度特征向量；其中，所述公式为：
Figure BDA0004084467760000221
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X表示所述搅拌速度输入向量；以及，使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度搅拌速度特征向量和所述第二尺度搅拌速度特征向量进行级联以得到所述搅拌速度特征向量。
在一个示例中，在上述釜底料配置系统100中，所述分类特征向量计算模块160，用于：以如下公式计算所述搅拌速度特征向量与所述参数关联特征矩阵之间的矩阵乘积以得到所述分类特征向量；其中，所述公式为：
Figure BDA0004084467760000222
其中，V1表示所述分类特征向量，Va表示所述搅拌速度特征向量，Mb表示所述参数关联特征矩阵，
Figure BDA0004084467760000223
表示矩阵乘。
在一个示例中，在上述釜底料配置系统100中，所述特征分布优化模块170，用于：以如下公式对所述分类特征向量进行正定赋范空间的几何约束重参数化以得到所述优化分类特征向量；其中，所述公式为：
Figure BDA0004084467760000224
其中，V是所述分类特征向量，且V是行向量形式，VT是所述分类特征向量的转置向量，vi和vi′分别是所述分类特征向量和所述优化分类特征向量的第i个位置的特征值，μ和σ是所述分类特征向量的各个位置特征值集合的均值和方差，
Figure BDA0004084467760000225
表示向量的二范数的平方，||·||F表示矩阵的Frobenius范数，exp(·)表示计算以所述数值为幂的自然指数函数值。
在一个示例中，在上述釜底料配置系统100中，所述分类结果生成模块180，用于：使用所述分类器的全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
这里，本领域技术人员可以理解，上述釜底料配置系统100中的各个单元和模块的具体功能和操作已经在上面参考图2到图5的单组份自交联环氧改性丙烯酸酯乳液的制备方法中配置釜底料步骤的描述中得到了详细介绍，并因此，将省略其重复描述。
如上所述，根据本申请实施例的釜底料配置系统100可以实现在各种无线终端中，例如具有釜底料配置算法的服务器等。在一个示例中，根据本申请实施例的釜底料配置系统100可以作为一个软件模块和/或硬件模块而集成到无线终端中。例如，该釜底料配置系统100可以是该无线终端的操作系统中的一个软件模块，或者可以是针对于该无线终端所开发的一个应用程序；当然，该釜底料配置系统100同样可以是该无线终端的众多硬件模块之一。
替换地，在另一示例中，该釜底料配置系统100与该无线终端也可以是分立的设备，并且该釜底料配置系统100可以通过有线和/或无线网络连接到该无线终端，并且按照约定的数据格式来传输交互信息。
根据本申请的另一方面，还提供了一种非易失性的计算机可读存储介质，其上存储有计算机可读的指令，当利用计算机执行所述指令时可以执行如前所述的方法。
技术中的程序部分可以被认为是以可执行的代码和/或相关数据的形式而存在的“产品”或“制品”，通过计算机可读的介质所参与或实现的。有形的、永久的储存介质可以包括任何计算机、处理器、或类似设备或相关的模块所用到的内存或存储器。例如，各种半导体存储器、磁带驱动器、磁盘驱动器或者类似任何能够为软件提供存储功能的设备。
所有软件或其中的一部分有时可能会通过网络进行通信，如互联网或其他通信网络。此类通信可以将软件从一个计算机设备或处理器加载到另一个。例如：从视频目标检测设备的一个服务器或主机计算机加载至一个计算机环境的硬件平台，或其他实现系统的计算机环境，或与提供目标检测所需要的信息相关的类似功能的系统。因此，另一种能够传递软件元素的介质也可以被用作局部设备之间的物理连接，例如光波、电波、电磁波等，通过电缆、光缆或者空气等实现传播。用来载波的物理介质如电缆、无线连接或光缆等类似设备，也可以被认为是承载软件的介质。在这里的用法除非限制了有形的“储存”介质，其他表示计算机或机器“可读介质”的术语都表示在处理器执行任何指令的过程中参与的介质。
本申请使用了特定词语来描述本申请的实施例。如“第一/第二实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本发明所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
上面是对本发明的说明，而不应被认为是对其的限制。尽管描述了本发明的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本发明的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本发明范围内。应当理解，上面是对本发明的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本发明由权利要求书及其等效物限定。

Claims (10)

1.一种单组份自交联环氧改性丙烯酸酯乳液的制备方法，其特征在于，包括：
配置釜底料，所述配置釜底料的过程，包括：在反应釜底部加入去离子水、缓冲剂和反应性乳化剂，并在预定温度和搅拌控制策略下对所述去离子水、所述缓冲剂和所述反应性乳化剂组成的混合物进行加热搅拌以得到釜底料；
配置预乳化液，其中，所述预乳化液由所述去离子水、反应型乳化剂、水溶性引发剂、丙烯酰胺、双丙酮丙烯酰胺、丙烯酸丁酯、烯基羧酸、甲基丙烯酸甲酯、丙烯酸乙酯和环氧树脂组成；
配置种子乳液，其中，所述配置种子乳液的过程，包括：将所述釜底料的温度升至80℃，并加入过硫酸铵和所述预乳化液以得到种子乳液；以及
将剩余的所述预乳化液滴入所述种子乳液，并通过中和剂来调节PH值在7～8.5之间后，加入己二酸二酰肼以得到单组份自交联环氧改性丙烯酸酯乳液。
2.根据权利要求1所述的单组份自交联环氧改性丙烯酸酯乳液的制备方法，其特征在于，所述配置釜底料，包括：
获取预定时间段内多个预定时间点的搅拌速度值和温度值；
将所述多个预定时间点的搅拌速度值和温度值分别按照时间维度排列为搅拌速度输入向量和温度输入向量；
对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到参数关联输入矩阵；
将所述参数关联输入矩阵通过作为特征提取器的卷积神经网络模型以得到参数关联特征矩阵；
将所述搅拌速度输入向量通过多尺度邻域特征提取模块以得到搅拌速度特征向量；
以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积以得到分类特征向量；
对所述分类特征向量进行特征分布优化以得到优化分类特征向量；以及
将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌速度值应增大或应减小。
3.根据权利要求2所述的单组份自交联环氧改性丙烯酸酯乳液的制备方法，其特征在于，对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到参数关联输入矩阵，包括：
以如下公式对所述搅拌速度输入向量和所述温度输入向量进行关联编码以得到所述参数关联输入矩阵；
其中，所述公式为：
Figure FDA0004084467750000011
其中，V1表示所述搅拌速度输入向量，
Figure FDA0004084467750000012
表示所述搅拌速度输入向量的转置向量，V2表示所述温度输入向量，M表示所述参数关联输入矩阵，
Figure FDA0004084467750000013
表示向量相乘。
4.根据权利要求3所述的单组份自交联环氧改性丙烯酸酯乳液的制备方法，其特征在于，将所述参数关联输入矩阵通过作为特征提取器的卷积神经网络模型以得到参数关联特征矩阵，包括：
使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行卷积处理、沿通道维度的池化处理和非线性激活处理以由所述作为特征提取器的卷积神经网络模型的最后一层输出所述参数关联特征矩阵，其中，所述作为特征提取器的卷积神经网络模型的第一层的输入为所述参数关联输入矩阵。
5.根据权利要求4所述的单组份自交联环氧改性丙烯酸酯乳液的制备方法，其特征在于，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
6.根据权利要求5所述的单组份自交联环氧改性丙烯酸酯乳液的制备方法，其特征在于，将所述搅拌速度输入向量通过多尺度邻域特征提取模块以得到搅拌速度特征向量，包括：
使用所述多尺度邻域特征提取模块的所述第一卷积层对所述搅拌速度输入向量进行一维卷积编码以得到所述第一尺度搅拌速度特征向量；
其中，所述公式为：
Figure FDA0004084467750000021
其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述搅拌速度输入向量；
使用所述多尺度邻域特征提取模块的所述第二卷积层对所述搅拌速度输入向量进行一维卷积编码以得到所述第二尺度搅拌速度特征向量；
其中，所述公式为：
Figure FDA0004084467750000022
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X表示所述搅拌速度输入向量；以及
使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度搅拌速度特征向量和所述第二尺度搅拌速度特征向量进行级联以得到所述搅拌速度特征向量。
7.根据权利要求6所述的单组份自交联环氧改性丙烯酸酯乳液的制备方法，其特征在于，以所述搅拌速度特征向量作为查询特征向量，计算其与所述参数关联特征矩阵之间的矩阵乘积以得到分类特征向量，包括：
以如下公式计算所述搅拌速度特征向量与所述参数关联特征矩阵之间的矩阵乘积以得到所述分类特征向量；
其中，所述公式为：
Figure FDA0004084467750000031
其中，V1表示所述分类特征向量，Va表示所述搅拌速度特征向量，Mb表示所述参数关联特征矩阵，
Figure FDA0004084467750000032
表示矩阵乘。
8.根据权利要求7所述的单组份自交联环氧改性丙烯酸酯乳液的制备方法，其特征在于，对所述分类特征向量进行特征分布优化以得到优化分类特征向量，包括：
以如下公式对所述分类特征向量进行正定赋范空间的几何约束重参数化以得到所述优化分类特征向量；
其中，所述公式为：
Figure FDA0004084467750000033
其中，V是所述分类特征向量，且V是行向量形式，VT是所述分类特征向量的转置向量，vi和vi′分别是所述分类特征向量和所述优化分类特征向量的第i个位置的特征值，μ和σ是所述分类特征向量的各个位置特征值集合的均值和方差，
Figure FDA0004084467750000034
表示向量的二范数的平方，||·||F表示矩阵的Frobenius范数，exp(·)表示计算以所述数值为幂的自然指数函数值。
9.根据权利要求8所述的单组份自交联环氧改性丙烯酸酯乳液的制备方法，其特征在于，将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌速度值应增大或应减小，包括：
使用所述分类器的全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；
将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
10.一种单组份自交联环氧改性丙烯酸酯乳液，其特征在于，由如权利要求1至9任一所述的单组份自交联环氧改性丙烯酸酯乳液的制备方法制得。
CN202310132512.2A 2023-02-17 2023-02-17 单组份自交联环氧改性丙烯酸酯乳液及其制备方法 Withdrawn CN116082579A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310132512.2A CN116082579A (zh) 2023-02-17 2023-02-17 单组份自交联环氧改性丙烯酸酯乳液及其制备方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310132512.2A CN116082579A (zh) 2023-02-17 2023-02-17 单组份自交联环氧改性丙烯酸酯乳液及其制备方法

Publications (1)

Publication Number Publication Date
CN116082579A true CN116082579A (zh) 2023-05-09

Family

ID=86211972

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310132512.2A Withdrawn CN116082579A (zh) 2023-02-17 2023-02-17 单组份自交联环氧改性丙烯酸酯乳液及其制备方法

Country Status (1)

Country Link
CN (1) CN116082579A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116285481A (zh) * 2023-05-23 2023-06-23 佛山市时力涂料科技有限公司 涂料的生产加工方法及其系统
CN116690949A (zh) * 2023-05-12 2023-09-05 深圳市赛卓塑业有限公司 基于玉米淀粉的餐盒加工工艺及其系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116690949A (zh) * 2023-05-12 2023-09-05 深圳市赛卓塑业有限公司 基于玉米淀粉的餐盒加工工艺及其系统
CN116285481A (zh) * 2023-05-23 2023-06-23 佛山市时力涂料科技有限公司 涂料的生产加工方法及其系统

Similar Documents

Publication Publication Date Title
CN116082579A (zh) 单组份自交联环氧改性丙烯酸酯乳液及其制备方法
US11161990B2 (en) Voided latex particles containing functionalized outer shells
US11384216B2 (en) Voided latex particles
EP3677423B1 (en) Voided latex particles
CN102924646B (zh) 一种内墙乳胶涂料用耐水抗泛白硅丙复合乳液的制备方法
CN105237675B (zh) 一种具有核壳双交联结构的聚丙烯酸木器乳液及其制备方法
CN107226883A (zh) 一种核壳结构水性硅丙乳液及其制备方法
CN105622831A (zh) 丙烯酸有机硅无皂共聚乳液的制备方法
CN112991371B (zh) 一种基于着色溢出约束的图像自动着色方法及系统
CN114133481A (zh) 一种丙烯酸涂饰树脂及其制备方法和应用
CN113980187B (zh) 一种水性哑光核壳乳液及其制备方法及其应用
CN109375506B (zh) 一种基于rbf神经网络的云服务资源精确控制方法
CN108285716A (zh) 一种改性丙烯酸酯高耐沾污外墙乳液及其制备方法
EP2964680B1 (en) Opacifying particles with internal void and methods for making the same
CN110885406B (zh) 一种丙烯酸乳液的制备方法、丙烯酸乳液及其应用
CN112851882A (zh) 一种塑料水墨用环氧树脂改性苯丙乳液的制备方法
CN113831791B (zh) 一种水性耐醇自交联纳米乳液及其制备方法和应用
CN106349416A (zh) 一种改性水性丙烯酸乳液及其制备方法
CN101191004A (zh) 高透明、耐应力泛白性的mbs树脂组合物
CN117510707A (zh) 一种高通透型羟基丙烯酸乳液、其制备方法及应用
CN108734222A (zh) 基于校对网络的卷积神经网络图像分类方法
CN109575178A (zh) 一种抗甲醛丙烯酸酯乳液的制备方法
CN116004105A (zh) 水性自修复硅pu面漆及其制备方法
CN110016100A (zh) 一种遮蔽激光抗老化的聚合物空心乳液及其制备方法和应用
CN115239954A (zh) 一种用于点云全景分割的系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20230509

WW01 Invention patent application withdrawn after publication